論文の概要: A Multi-agent Market Model Can Explain the Impact of AI Traders in Financial Markets -- A New Microfoundations of GARCH model
- arxiv url: http://arxiv.org/abs/2409.12516v1
- Date: Thu, 19 Sep 2024 07:14:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 14:30:28.569113
- Title: A Multi-agent Market Model Can Explain the Impact of AI Traders in Financial Markets -- A New Microfoundations of GARCH model
- Title（参考訳）: マルチエージェント市場モデルは、金融市場におけるAIトレーダーの影響を説明できる -- GARCHモデルの新たなマイクロファウンデーション
- Authors: Kei Nakagawa, Masanori Hirano, Kentaro Minami, Takanobu Mizuta,
- Abstract要約: 本稿では,ノイズトレーダー,基本トレーダー,AIトレーダーの3種類のエージェントを組み込んだマルチエージェント市場モデルを提案する。
我々は,このモデルをマルチエージェントシミュレーションにより検証し,金融市場のスタイル化された事実を再現する能力を確認した。
- 参考スコア（独自算出の注目度）: 3.655221783356311
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The AI traders in financial markets have sparked significant interest in their effects on price formation mechanisms and market volatility, raising important questions for market stability and regulation. Despite this interest, a comprehensive model to quantitatively assess the specific impacts of AI traders remains undeveloped. This study aims to address this gap by modeling the influence of AI traders on market price formation and volatility within a multi-agent framework, leveraging the concept of microfoundations. Microfoundations involve understanding macroeconomic phenomena, such as market price formation, through the decision-making and interactions of individual economic agents. While widely acknowledged in macroeconomics, microfoundational approaches remain unexplored in empirical finance, particularly for models like the GARCH model, which captures key financial statistical properties such as volatility clustering and fat tails. This study proposes a multi-agent market model to derive the microfoundations of the GARCH model, incorporating three types of agents: noise traders, fundamental traders, and AI traders. By mathematically aggregating the micro-structure of these agents, we establish the microfoundations of the GARCH model. We validate this model through multi-agent simulations, confirming its ability to reproduce the stylized facts of financial markets. Finally, we analyze the impact of AI traders using parameters derived from these microfoundations, contributing to a deeper understanding of their role in market dynamics.
- Abstract（参考訳）: 金融市場のAIトレーダーは、価格形成のメカニズムと市場のボラティリティに大きな関心を惹き付け、市場の安定と規制に関する重要な疑問を提起している。
この関心にもかかわらず、AIトレーダーの具体的な影響を定量的に評価する包括的なモデルはまだ開発されていない。
本研究では,マルチエージェントフレームワークにおける市場価格形成と変動性に対するAIトレーダーの影響をモデル化し,マイクロファウンデーションの概念を活用することにより,このギャップに対処することを目的とする。
マイクロファウンデーションは、個々の経済エージェントの意思決定と相互作用を通じて、市場価格形成のようなマクロ経済現象を理解することを含む。
マクロ経済学では広く知られているが、特に揮発性クラスタリングや脂肪尾といった重要な金融統計特性を捉えたGARCHモデルのようなモデルでは、マイクロファウンデーションのアプローチは経験的ファイナンスでは未解明のままである。
本研究では,GARCHモデルにノイズトレーダー,基本トレーダー,AIトレーダーの3種類のエージェントを組み込んだマルチエージェント市場モデルを提案する。
これらのエージェントのマイクロ構造を数学的に集約することにより、GARCHモデルのマイクロファウンドを確立する。
我々は,このモデルをマルチエージェントシミュレーションにより検証し,金融市場のスタイル化された事実を再現する能力を確認する。
最後に、これらのマイクロファウンデーションから派生したパラメータを用いてAIトレーダーが与える影響を分析し、市場ダイナミクスにおけるその役割についてより深く理解することに貢献した。
関連論文リスト
- When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳（メタデータ） (2024-07-15T06:49:30Z) - Modelling Opaque Bilateral Market Dynamics in Financial Trading: Insights from a Multi-Agent Simulation Study [15.379345372327375]
本稿では,オーストラリア国債取引における不透明な二国間市場を表現することを目的とする。
交渉された取引と限られた数のエージェントによって特徴づけられる二国間市場の特異性は、エージェントベースのモデリングと量的金融に価値ある洞察をもたらす。
市場構造における市場剛性の影響を考察し,市場設計における安定性の要素について考察する。
論文 参考訳（メタデータ） (2024-05-05T08:42:20Z) - A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。
本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
論文 参考訳（メタデータ） (2024-05-03T20:45:00Z) - Long Short-Term Memory Pattern Recognition in Currency Trading [0.0]
ワイコフフェイズ(Wyckoff Phases)は、リチャード・D・ワイコフが20世紀初頭に考案したフレームワークである。
本研究は、取引範囲と二次試験の段階を探求し、市場ダイナミクスを理解することの重要性を解明する。
この研究は、これらの相の複雑さを解き明かすことで、市場構造を通して流動性を生み出すことに光を当てている。
この研究は、金融分析とトレーディング戦略におけるAI駆動アプローチの変革の可能性を強調している。
論文 参考訳（メタデータ） (2024-02-23T12:59:49Z) - Modelling crypto markets by multi-agent reinforcement learning [0.0]
本研究では,暗号市場を模擬したマルチエージェント強化学習(MARL)モデルを提案する。
2018年から2022年にかけて継続的に取引された暗号通貨の1日当たり終値153ドルに調整されている。
論文 参考訳（メタデータ） (2024-02-16T16:28:58Z) - An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。
FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。
本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
論文 参考訳（メタデータ） (2024-02-02T07:25:53Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。
模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
論文 参考訳（メタデータ） (2021-12-08T14:55:21Z) - Empirical Study of Market Impact Conditional on Order-Flow Imbalance [0.0]
署名された注文フローに対して,注文フローの不均衡の増加に伴い,価格への影響は線形に増大することを示す。
さらに,注文フローにサインされた市場への影響を予測するために,機械学習アルゴリズムを実装した。
この結果から,機械学習モデルを用いて財務変数を推定できることが示唆された。
論文 参考訳（メタデータ） (2020-04-17T14:58:29Z) - Gaussian process imputation of multiple financial series [71.08576457371433]
金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。
金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
論文 参考訳（メタデータ） (2020-02-11T19:18:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。